Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es verarbeitet Audio und Text und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Ausgabe für Sprachverständnis mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Dienstvarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen speziellen reinen Transkriptionsmodus. Laut Hersteller sagt es standardmäßig die Sprache der Audioquelle automatisch voraus und transkribiert entsprechend. Verwende diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst und keine Interpretation oder Zusammenfassung ist. Gib an, ob das Ergebnis die Originalsprache bewahren soll oder ob anschließend eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zunächst ein separates Spracherkennungsmodell und ein Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen, welche Entscheidung genannt wurde oder welche Information in der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung sein statt eines vollständigen Transkripts jedes gesprochenen Wortes.
Stelle für eine Besprechungszusammenfassung die Aufnahme bereit und definiere die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordere Namen oder Daten nur an, wenn die Aufnahme sie tatsächlich nennt, und halte ungeklärte Details von den Entscheidungen getrennt. Fordere bei einem Interview die Antwort auf eine konkrete Frage und den umgebenden Kontext an, der sie verständlich macht. Diese Ausgabeentwürfe verbinden die Audioaufgabe mit einem später nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio von bis zu 30 Minuten für Transkription beziehungsweise 40 Minuten für Verständnis. Die beiden Dauerangaben gelten für unterschiedliche Aufgabenbereiche. Wähle die gewünschte Operation aus, bevor du die Aufnahme auswählst, und berücksichtige Textanweisung und Dialog bei der Planung des verfügbaren Kontexts. Eine lange Aufnahme und eine lange schriftliche Antwort verbrauchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wesentliche unterstützte Sprachen und bietet eine automatische Erkennung der Audiosprache. Lege für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform bewahren sollen. Unterscheide bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Anschlussfragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzergesprächsschritte hinweg. Gib jeder Aufnahme eine Kennung und nenne ihre Rolle beim Vergleich. Eine praktische Anfrage kann zwei Versionen einer gesprochenen Erklärung vergleichen, nach geänderten Bedingungen fragen und eine Tabelle mit einer separaten Spalte je Aufnahme zurückgeben. Kennungen helfen, die Befunde des Modells mit der richtigen Quelle zu verbinden.
Eine Anschlussfrage kann die frühere Frage und Antwort bewahren und zugleich ein engeres Detail anfordern oder eine weitere Aufnahme liefern. Frage beispielsweise zunächst nach den Entscheidungen aus einer Diskussion und anschließend danach, welche Entscheidung sich auf eine konkrete Anforderung bezieht. Dieselbe Veröffentlichung demonstriert außerdem reine Text- und reine Audioanfragen. Ihre Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochenen Absichten und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet aus der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann daher mithilfe von Informationen aus einem verbundenen Werkzeug eine schriftliche Antwort zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Dienst verfügt oder eine Handlung schon durch deren Benennung ausführt.
Halte Funktionszweck und erforderliche Informationen ausdrücklich fest. Wenn die Aufnahme eine Operation verlangt, aber einen Pflichtwert auslässt, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trenne die gesprochene Anfrage, vorgeschlagene Argumente und das zurückgegebene Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Operationsausgang beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte temperature 0.2 und top-p 0.95. Für Transkription empfiehlt sie temperature 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platziere Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wähle eine Aufnahme mit dem für die Frage relevanten Material, halte die hörbare Sprache klar und gib an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente, und Sprecheridentifikation, detaillierte Diarisierung oder Zeitstempel auf Wortebene sollten nicht aus der allgemeinen Audioverständnisfähigkeit genau dieser Veröffentlichung abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahre die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache, wenn du einen wiederholbaren Ablauf vorbereitest. Das nützliche Endartefakt ist der gewünschte Text, verbunden mit der Aufnahme und für den nächsten Dokument- oder Anwendungsschritt formatiert.
", "aboutText": "Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es verarbeitet Audio und Text und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Ausgabe für Sprachverständnis mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Dienstvarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.\n\nTranskription und Audioverständnis\n\nDas Modell besitzt einen speziellen reinen Transkriptionsmodus. Laut Hersteller sagt es standardmäßig die Sprache der Audioquelle automatisch voraus und transkribiert entsprechend. Verwende diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst und keine Interpretation oder Zusammenfassung ist. Gib an, ob das Ergebnis die Originalsprache bewahren soll oder ob anschließend eine separat angeforderte Übersetzung folgen soll.\n\nAudioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zunächst ein separates Spracherkennungsmodell und ein Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen, welche Entscheidung genannt wurde oder welche Information in der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung sein statt eines vollständigen Transkripts jedes gesprochenen Wortes.\n\nStelle für eine Besprechungszusammenfassung die Aufnahme bereit und definiere die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordere Namen oder Daten nur an, wenn die Aufnahme sie tatsächlich nennt, und halte ungeklärte Details von den Entscheidungen getrennt. Fordere bei einem Interview die Antwort auf eine konkrete Frage und den umgebenden Kontext an, der sie verständlich macht. Diese Ausgabeentwürfe verbinden die Audioaufgabe mit einem später nutzbaren Dokument.\n\nKontext, Dauer und Sprachen\n\nDer Hersteller dokumentiert einen Kontext von 32k Tokens und Audio von bis zu 30 Minuten für Transkription beziehungsweise 40 Minuten für Verständnis. Die beiden Dauerangaben gelten für unterschiedliche Aufgabenbereiche. Wähle die gewünschte Operation aus, bevor du die Aufnahme auswählst, und berücksichtige Textanweisung und Dialog bei der Planung des verfügbaren Kontexts. Eine lange Aufnahme und eine lange schriftliche Antwort verbrauchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.\n\nDie Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wesentliche unterstützte Sprachen und bietet eine automatische Erkennung der Audiosprache. Lege für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform bewahren sollen. Unterscheide bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.\n\nMehrere Aufnahmen und Anschlussfragen\n\nDie Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzergesprächsschritte hinweg. Gib jeder Aufnahme eine Kennung und nenne ihre Rolle beim Vergleich. Eine praktische Anfrage kann zwei Versionen einer gesprochenen Erklärung vergleichen, nach geänderten Bedingungen fragen und eine Tabelle mit einer separaten Spalte je Aufnahme zurückgeben. Kennungen helfen, die Befunde des Modells mit der richtigen Quelle zu verbinden.\n\nEine Anschlussfrage kann die frühere Frage und Antwort bewahren und zugleich ein engeres Detail anfordern oder eine weitere Aufnahme liefern. Frage beispielsweise zunächst nach den Entscheidungen aus einer Diskussion und anschließend danach, welche Entscheidung sich auf eine konkrete Anforderung bezieht. Dieselbe Veröffentlichung demonstriert außerdem reine Text- und reine Audioanfragen. Ihre Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus Sprache liefert.\n\nSprachgesteuerte Funktionen\n\nDer Hersteller beschreibt Funktionsaufrufe aus gesprochenen Absichten und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet aus der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann daher mithilfe von Informationen aus einem verbundenen Werkzeug eine schriftliche Antwort zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Dienst verfügt oder eine Handlung schon durch deren Benennung ausführt.\n\nHalte Funktionszweck und erforderliche Informationen ausdrücklich fest. Wenn die Aufnahme eine Operation verlangt, aber einen Pflichtwert auslässt, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trenne die gesprochene Anfrage, vorgeschlagene Argumente und das zurückgegebene Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Operationsausgang beziehen kann.\n\nEmpfohlene Einstellungen und nützliche Grenzen\n\nFür Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte temperature 0.2 und top-p 0.95. Für Transkription empfiehlt sie temperature 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platziere Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.\n\nWähle eine Aufnahme mit dem für die Frage relevanten Material, halte die hörbare Sprache klar und gib an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente, und Sprecheridentifikation, detaillierte Diarisierung oder Zeitstempel auf Wortebene sollten nicht aus der allgemeinen Audioverständnisfähigkeit genau dieser Veröffentlichung abgeleitet werden.\n\nDie Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahre die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache, wenn du einen wiederholbaren Ablauf vorbereitest. Das nützliche Endartefakt ist der gewünschte Text, verbunden mit der Aufnahme und für den nächsten Dokument- oder Anwendungsschritt formatiert.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 ist ein Text- und Audiomodell für Transkription, Sprachübersetzung, Fragen und Zusammenfassungen. Der Hersteller dokumentiert einen Kontext von 32k, bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis, mehrere Audioeingaben und Textergebnisse.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es verarbeitet Audio und Text und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Ausgabe für Sprachverständnis mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Dienstvarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen speziellen reinen Transkriptionsmodus. Laut Hersteller sagt es standardmäßig die Sprache der Audioquelle automatisch voraus und transkribiert entsprechend. Verwende diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst und keine Interpretation oder Zusammenfassung ist. Gib an, ob das Ergebnis die Originalsprache bewahren soll oder ob anschließend eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zunächst ein separates Spracherkennungsmodell und ein Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen, welche Entscheidung genannt wurde oder welche Information in der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung sein statt eines vollständigen Transkripts jedes gesprochenen Wortes.
Stelle für eine Besprechungszusammenfassung die Aufnahme bereit und definiere die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordere Namen oder Daten nur an, wenn die Aufnahme sie tatsächlich nennt, und halte ungeklärte Details von den Entscheidungen getrennt. Fordere bei einem Interview die Antwort auf eine konkrete Frage und den umgebenden Kontext an, der sie verständlich macht. Diese Ausgabeentwürfe verbinden die Audioaufgabe mit einem später nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio von bis zu 30 Minuten für Transkription beziehungsweise 40 Minuten für Verständnis. Die beiden Dauerangaben gelten für unterschiedliche Aufgabenbereiche. Wähle die gewünschte Operation aus, bevor du die Aufnahme auswählst, und berücksichtige Textanweisung und Dialog bei der Planung des verfügbaren Kontexts. Eine lange Aufnahme und eine lange schriftliche Antwort verbrauchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wesentliche unterstützte Sprachen und bietet eine automatische Erkennung der Audiosprache. Lege für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform bewahren sollen. Unterscheide bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Anschlussfragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzergesprächsschritte hinweg. Gib jeder Aufnahme eine Kennung und nenne ihre Rolle beim Vergleich. Eine praktische Anfrage kann zwei Versionen einer gesprochenen Erklärung vergleichen, nach geänderten Bedingungen fragen und eine Tabelle mit einer separaten Spalte je Aufnahme zurückgeben. Kennungen helfen, die Befunde des Modells mit der richtigen Quelle zu verbinden.
Eine Anschlussfrage kann die frühere Frage und Antwort bewahren und zugleich ein engeres Detail anfordern oder eine weitere Aufnahme liefern. Frage beispielsweise zunächst nach den Entscheidungen aus einer Diskussion und anschließend danach, welche Entscheidung sich auf eine konkrete Anforderung bezieht. Dieselbe Veröffentlichung demonstriert außerdem reine Text- und reine Audioanfragen. Ihre Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochenen Absichten und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet aus der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann daher mithilfe von Informationen aus einem verbundenen Werkzeug eine schriftliche Antwort zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Dienst verfügt oder eine Handlung schon durch deren Benennung ausführt.
Halte Funktionszweck und erforderliche Informationen ausdrücklich fest. Wenn die Aufnahme eine Operation verlangt, aber einen Pflichtwert auslässt, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trenne die gesprochene Anfrage, vorgeschlagene Argumente und das zurückgegebene Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Operationsausgang beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte temperature 0.2 und top-p 0.95. Für Transkription empfiehlt sie temperature 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platziere Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wähle eine Aufnahme mit dem für die Frage relevanten Material, halte die hörbare Sprache klar und gib an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente, und Sprecheridentifikation, detaillierte Diarisierung oder Zeitstempel auf Wortebene sollten nicht aus der allgemeinen Audioverständnisfähigkeit genau dieser Veröffentlichung abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahre die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache, wenn du einen wiederholbaren Ablauf vorbereitest. Das nützliche Endartefakt ist der gewünschte Text, verbunden mit der Aufnahme und für den nächsten Dokument- oder Anwendungsschritt formatiert.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/voxtral-small-24b-2507 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0006 / 1K Token Eingabe · Cache-Lesen $0.00002 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0006 / 1K Token Eingabe · Cache-Lesen $0.00002 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/voxtral-small-24b-2507',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Verwenden Sie die oben angezeigten Methodenpfade.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 ist ein Text- und Audiomodell für Transkription, Sprachübersetzung, Fragen und Zusammenfassungen. Der Hersteller dokumentiert einen Kontext von 32k, bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis, mehrere Audioeingaben und Textergebnisse.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es verarbeitet Audio und Text und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Ausgabe für Sprachverständnis mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Dienstvarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen speziellen reinen Transkriptionsmodus. Laut Hersteller sagt es standardmäßig die Sprache der Audioquelle automatisch voraus und transkribiert entsprechend. Verwende diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst und keine Interpretation oder Zusammenfassung ist. Gib an, ob das Ergebnis die Originalsprache bewahren soll oder ob anschließend eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zunächst ein separates Spracherkennungsmodell und ein Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen, welche Entscheidung genannt wurde oder welche Information in der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung sein statt eines vollständigen Transkripts jedes gesprochenen Wortes.
Stelle für eine Besprechungszusammenfassung die Aufnahme bereit und definiere die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordere Namen oder Daten nur an, wenn die Aufnahme sie tatsächlich nennt, und halte ungeklärte Details von den Entscheidungen getrennt. Fordere bei einem Interview die Antwort auf eine konkrete Frage und den umgebenden Kontext an, der sie verständlich macht. Diese Ausgabeentwürfe verbinden die Audioaufgabe mit einem später nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio von bis zu 30 Minuten für Transkription beziehungsweise 40 Minuten für Verständnis. Die beiden Dauerangaben gelten für unterschiedliche Aufgabenbereiche. Wähle die gewünschte Operation aus, bevor du die Aufnahme auswählst, und berücksichtige Textanweisung und Dialog bei der Planung des verfügbaren Kontexts. Eine lange Aufnahme und eine lange schriftliche Antwort verbrauchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wesentliche unterstützte Sprachen und bietet eine automatische Erkennung der Audiosprache. Lege für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform bewahren sollen. Unterscheide bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Anschlussfragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzergesprächsschritte hinweg. Gib jeder Aufnahme eine Kennung und nenne ihre Rolle beim Vergleich. Eine praktische Anfrage kann zwei Versionen einer gesprochenen Erklärung vergleichen, nach geänderten Bedingungen fragen und eine Tabelle mit einer separaten Spalte je Aufnahme zurückgeben. Kennungen helfen, die Befunde des Modells mit der richtigen Quelle zu verbinden.
Eine Anschlussfrage kann die frühere Frage und Antwort bewahren und zugleich ein engeres Detail anfordern oder eine weitere Aufnahme liefern. Frage beispielsweise zunächst nach den Entscheidungen aus einer Diskussion und anschließend danach, welche Entscheidung sich auf eine konkrete Anforderung bezieht. Dieselbe Veröffentlichung demonstriert außerdem reine Text- und reine Audioanfragen. Ihre Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochenen Absichten und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet aus der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann daher mithilfe von Informationen aus einem verbundenen Werkzeug eine schriftliche Antwort zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Dienst verfügt oder eine Handlung schon durch deren Benennung ausführt.
Halte Funktionszweck und erforderliche Informationen ausdrücklich fest. Wenn die Aufnahme eine Operation verlangt, aber einen Pflichtwert auslässt, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trenne die gesprochene Anfrage, vorgeschlagene Argumente und das zurückgegebene Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Operationsausgang beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte temperature 0.2 und top-p 0.95. Für Transkription empfiehlt sie temperature 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platziere Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wähle eine Aufnahme mit dem für die Frage relevanten Material, halte die hörbare Sprache klar und gib an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente, und Sprecheridentifikation, detaillierte Diarisierung oder Zeitstempel auf Wortebene sollten nicht aus der allgemeinen Audioverständnisfähigkeit genau dieser Veröffentlichung abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahre die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache, wenn du einen wiederholbaren Ablauf vorbereitest. Das nützliche Endartefakt ist der gewünschte Text, verbunden mit der Aufnahme und für den nächsten Dokument- oder Anwendungsschritt formatiert.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/voxtral-small-24b-2507 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0006 / 1K Token Eingabe · Cache-Lesen $0.00002 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Token Ausgabe · Ausgabetoken $0.0006 / 1K Token Eingabe · Cache-Lesen $0.00002 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/voxtral-small-24b-2507', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.